10 лет в мире Big Data: чему прогресс научил предпринимателей

Десятилетие назад, в сентябре 2008 года, мир увидел специальный выпуск журнала Nature, посвященный теме работы с большими объемами информации. Сегодня выражения Big Data не знает только ленивый, а использование возможностей этой технологии становится обязательным фактором успеха для любой компании. Что изменилось в маркетинге и коммуникациях за 10 лет из-за влияния «больших данных», рассказывает Наталья Дадиверина, PhD, СЕО PLEON Talan, директор PR&GR дивизиона коммуникационной группы AGAMA Communications.

Персонализированный клиентский маркетинг

Было: еще 10 лет назад, несмотря на бурное внедрение современных технологий в украинский рынок коммуникаций, рекламные стратегии строились большей частью на увеличении потенциального охвата за счет все большего числа выходов в различных каналах; особенно сильно от этого явления страдали большие компании, упирающиеся в предел развития из-за неадекватно быстрого возрастания соотношения количества привлеченных клиентов к затратам.

Стало: сегодня, анализируя потоки Big Data, «умные» алгоритмы могут формировать персонализированные предложения (к примеру, рассылки или баннеры) в реальном времени, основываясь на реальных предпочтениях, поведенческих шаблонах и потребительском опыте потенциального клиента.

Ведущие игроки рынка с многомиллионными и даже миллиардными доходами все чаще применяют изощренные методы персонализации рекламных предложений. К примеру, сеть розничной торговли Macy’s рассылает клиентам акционные предложения со скидками, составленные на основе их личных предпочтений. А крупнейший британский авиаперевозчик British Airways предлагает лояльным клиентам билеты по специальной цене в зависимости от их активности в сети.

Мгновенное получение обратной связи

Было: в прошлом сервисы и продукты создавались на основании предположений и прогнозов, качество которых напрямую зависело от множества факторов (опыт аналитиков, понимание трендов, внезапные изменения общественного мнения, экономическая ситуация), а подтверждение или опровержение гипотез приходило уже после реализации проекта и могло обойтись компании слишком дорого.

Стало: удовлетворенность (или неудовлетворенность) клиентов, а также характер преобладающих мнений становятся доступны специалистам практически сразу после запуска продукта, начала рекламной кампании или предоставления услуги; на основании ранних реакций потребителей можно оперативно изменить тактику и предотвратить нецелевую растрату бюджета.

Не стесняются получать информацию о предпочтениях пользователей из первых рук даже настоящие гиганты индустрии развлечений. К примеру, стриминговый сервис Netflix использует инсайты, полученные с помощью Big Data, чтобы делать собственный контент интересным для максимально широкой аудитории. Теоретически в будущем это позволит продукту точнее соответствовать ожиданиям потребителя, что очень важно при больших финансовых затратах на производство.

Узнавание и понимание своей ЦА

Было: маркетологи, сидя в своих кабинетах, выдумывали каждый своего собственного единорога – сферического потребителя в вакууме, всей душой интересующегося продуктом по каким-нибудь очевидным причинам.

Стало: data scientist может с высокой точностью определить, какие группы людей с большей вероятностью обращают внимание на продукт, имея на то совершенно разные мотивы (статусность, удобство, удовольствие, подверженность моде и т. п.).

Привлечение читателей на платную подписку – важная цель издания The Economist. Однако предлагать такую услугу всем подряд – неэффективно, поэтому выбор потенциального подписчика основывается на анализе cookie-файлов. А сеть Costco Wholesale с помощью анализа Big Data смогла выделить из всего числа своих клиентов только тех, кто мог приобрести потенциально зараженные опасной бактерией фрукты, чтобы предупредить их об опасности.

Всесторонний контроль важных бизнес-показателей

Было: начальники отделов каждый месяц/квартал/год считали какие-то абстрактные бизнес-показатели, которые спустя недели и месяцы обобщались в один огромный отчет, на основании которого топ-менеджмент пытался принимать эффективные решения.

Стало: благодаря возможностям Big Data актуальные бизнес-показатели можно контролировать в реальном времени, получая их в форме структурированных данных информации и выявленных скрытых закономерностей.

Хороший пример – компания P&G, которая использует возможности Big Data для того, чтобы контролировать невероятно сложные цепочки поставок. А коммуникационные группы VEON, T Mobile и другие активно и давно используют «большие данные» для более эффективного взаимодействия с абонентами, прогнозирования и предотвращения их оттока. Пример с локального рынка: «Киевстар» не только сам работает с Big Data, но и активно делится знаниями, обучая молодых специалистов.

Наша цивилизация только начинает осознавать все последствия и возможности технологического прогресса, но всего за 10 лет проблема бесконечного накопления неструктурированных данных без возможности их практического применения наконец-то начала решаться системными методами. Другой вопрос – как сильно изменится отрасль и вся наша жизнь под воздействием высоких технологий за следующие 10 лет?